Komputery kwantowe rozbudzają wyobraźnię naukowców, inżynierów, biznesmenów i polityków od wielu lat. Współczesne procesory składają się z miliardów tranzystorów wielkości kilku nanometrów zgrupowanych na bardzo małej powierzchni. Według prawa Moore’a liczba tranzystorów w mikroprocesorze podwaja się mniej więcej co dwa lata. Niestety wzrost mocy obliczeniowej w procesorach uległ ostatnio spowolnieniu. Powoli osiągamy bowiem granice technologiczne upakowania coraz większej liczby tranzystorów na tak małych powierzchniach. Nie wydaje się jednak, by ludzkość miała ochotę na dojście do tych granic, dlatego coraz więcej uwagi kierowanej jest w stronę komputerów kwantowych, których ograniczenia tranzystorowe nie dotyczą. Potrafią on liczyć nawet setki tysięcy – a w założeniu miliony – razy szybciej od urządzeń zbudowanych w oparciu o zaawansowane podzespoły krzemowe. Czy rozwój komputerów kwantowych przyniesie przełom w próbie stworzenia silnej sztucznej inteligencji, a co za tym idzie doprowadzi do stworzenia sztucznej superinteligencji?

Sztuczna SuperInteligencja

Zacznijmy od tego, czym jest sztuczna inteligencja. Sztuczna inteligencja jest dziś właściwie znana jako wąska sztuczna inteligencja (lub słaba sztuczna inteligencja), ponieważ jest zaprojektowana do wykonywania wąskiego zakresu zadań (np. tylko rozpoznawanie twarzy lub tylko wyszukiwanie w Internecie lub tylko prowadzenie samochodu). Jednak długoterminowym celem wielu badaczy jest stworzenie ogólnej sztucznej inteligencji (AGI lub silnej AI). Podczas gdy wąska sztuczna inteligencja może przewyższać ludzi w jakimkolwiek konkretnym zadaniu, np. grać w szachy, GO lub rozwiązywać równania, AGI przewyższa ludzi w prawie każdym zadaniu poznawczym.

Około 30 lat po stworzeniu pierwszych systemów AGI powstać ma tak zwana superinteligencja. Nick Bostrom [1] definiuje ją jako:

„każdy intelekt, który znacznie przewyższa zdolności poznawcze ludzi w praktycznie wszystkich dziedzinach”.

Jest to więc hipotetyczny agent, który posiada inteligencję daleko przewyższającą inteligencję najbystrzejszych i najbardziej utalentowanych ludzkich umysłów.

Badacze nie są zgodni co do tego, w jaki sposób miałoby nastąpić przekroczenie granicy ludzkiej inteligencji. Niektórzy twierdzą, że postęp w dziedzinie AI prawdopodobnie doprowadzi do powstania ogólnych systemów rozumowania, którym brakuje ludzkich ograniczeń poznawczych. Takie systemy nazywamy sztuczną superinteligencją. Zostanie ona stworzona przez eksplozję inteligencji, która nastąpi wkrótce po osiągnięciu technologicznej osobliwości. Inni uważają, że ludzie będą ewoluować lub bezpośrednio modyfikować swoją biologię, aby osiągnąć radykalnie wyższą inteligencję. Z kolei te systemy nazywamy biologiczną superinteligencją.

Problemy ze sztuczną SuperInteligencją

Pojęcie sztucznej superinteligencji automatycznie kieruje nas w stronę tego, jak zostanie ona stworzona – w sposób sztuczny, czyli bez udziału biologii. Tak więc najprostszym przykładem sztucznej superinteligencji może być emulowany ludzki umysł działający na znacznie szybszym sprzęcie niż mózg, takim jak na przykład komputer. Sztuczna superinteligencja prześcigałaby człowieka w potencjalnie dwóch obszarach: jakości rozumowania i prędkości rozumowania.

Jak już zostało wspomniane, taki sztuczny system zostałby stworzony w wyniku postępu w dziedzinie AI, który doprowadziłby programy sztucznej inteligencji do poziomu, na którym zaczęłyby się one samoistnie usprawniać i powielać, powodując eksplozję inteligencji. Największym naukowcom świata nie przestaje jednak spędzać sen z powiek pytanie: Jak stworzyć takie oprogramowanie?

Wydaje się, że mamy przed soba dwie ścieżki:

Nasze algorytmy są dobre, ale dramatycznie brakuje nam mocy obliczeniowej i danych, aby stworzyć odpowiednio złożony system. W takim przypadku można przypuszczać, że stworzenie silnej sztucznej inteligencji jest rzeczywiście tylko kwestią czasu.

lub

Nasze algorytmy w ogóle nie zbliżyły się do poziomu ogólnej sztucznej inteligencji, a zwiększanie mocy obliczeniowej procesorów i coraz większe pokłady pamięci wirtualnej nie doprowadzą nas do powstania maszyny inteligentnej. W takim przypadku potrzebny jest zupełnie nowy kierunek – to trochę tak, jakby okazało się, że obecność białek, wody czy węgla nie są wcale ważne w rozmyślaniach o istnieniu życia poza Ziemią.

Wydaje się, że szala przechyla się w kierunku tej drugiej ścieżki. Algorytmy sztucznej inteligencji stworzone do tej pory nawet nie zbliżyły się do poziomu silnej sztucznej inteligencji. W dalszym ciągu są to systemy “celowe” – mające jeden, bardzo konkretny cel, projektowane i tworzone wyłącznie dla tego celu. Tylko bardzo zdeterminowani optymiści wiążą powstanie silnej sztucznej inteligencji, a co za tym idzie sztucznej superinteligencji tylko i wyłącznie ze zwiększeniem mocy obliczeniowej. Podstawowym problemem wciąż zostaje zupełny brak zrozumienia procesów rządzących umysłem, inteligentnymi zachowaniami i wnioskowaniem.

Czym są komputery kwantowe?

Poza nazwą komputery kwantowe mają niewiele wspólnego z komputerami używanymi przez nas każdego dnia, ponieważ ich działanie opiera się na fizyce kwantowej. Podwaliny ich funkcjonowania powstały jeszcze w latach osiemdziesiątych ubiegłego wieku, ale dopiero ostatnie lata przyniosły intensywne przyśpieszenie w rozwoju kwantowych technologii obliczeniowych.

Jak działają komputery kwantowe?

W klasycznym komputerze rolę nośnika informacji pełni bit, który może przyjmować dwie wartości 1 oraz 0. W komputerze kwantowym nośnikiem informacji jest kubit, czyli kwantowy bit. Jednak w niczym nie przypomina on zwykłego bitu, ponieważ za jego funkcjonowanie odpowiada fizyka kwantowa. Kubit nie przyjmuje, jak w przypadku bitu, jednej z dwóch wartości – 0 lub 1. Stanowi on superpozycję zera i jedynki, co oznacza, że z pewnym prawdopodobieństwem znajduje się w stanie zero i z pewnym prawdopodobieństwem w stanie jeden. Fizycznie kubit może być reprezentowany przez dowolny układ kwantowy o dwóch różnych stanach podstawowych: na przykład spinu elektronu lub atomu, dwóch poziomów energetycznych w atomie, czy dwóch poziomów polaryzacji fotonu – pionowej i poziomej [2][3][4].

Podstawową zaletą takiej reprezentacji danych jest możliwość osiągnięcia znacznie większej wydajności: równocześnie można bowiem prowadzić kilka etapów obliczeń albo też rozważyć kilka wariantów rozwiązania jakiegoś problemu. Aby łatwiej zrozumieć, przyjrzyjmy się poniższemu przykładowi:

Dwa klasyczne bity przechowują maksymalnie jedną z czterech możliwych wartości:

0 0 => 0

0 1 => 1

1 0 => 2

1 1 => 3

Czyli zużyliśmy dwie jednostki pamięci, aby mieć jedną porcję informacji.

Dwa kubity natomiast, są w stanie pomieścić wszystkie cztery przytoczone powyżej wartości:

 

Przy 8 kubitach mówimy już o 64 porcjach informacji, przy 16 o 256, a przy 32 o 1024.

 

Bardzo dobrze, na różnych poziomach zaawansowania, idea komputerów kwantowych jest wyjaśniona przez dr Talię Gershon z IBM Quantum Research:

Film przybliża zasady działania komputerów kwantowych na 5 różnych poziomach zaawansowania technicznego.

 

Podstawowe zasady działania komputerów kwantowych zostały również w bardzo przystępny sposób opisane przez firmę Intel:

 

Broszura przygotowana przez firmę Intel z przydatnymi informacjami na temat komputerów kwantowych [5]

 

Ośrodki badawcze i firmy z całego świata przeprowadzają kolejne testy i badania, a specjaliści z dziedziny fizyki kwantowej są zgodni, że od powstania w pełni funkcjonalnych maszyn kwantowych, które będziemy w stanie wykorzystać do celów dziś niemożliwych, miną nawet dekady.

Prof. fizyki Artur Ekert stwierdził, że obecne maszyny, tak zachwalane przez IBM czy Google, nie zasługują nawet na miano komputerów [6]:

Ograniczenia Komputerów kwantowych

Komputery kwantowe istnieją obecnie w zmitologizowanej strefie “A co, gdyby?” [Swoją drogą, istnieje książka “A co gdyby? Naukowe odpowiedzi na absurdalne i hipotetyczne pytania”]. Bardzo łatwo jest spoglądać na nie uproszczonym spojrzeniem, które dostrzega tylko ułudę zalet i brak wad. Niestety, takie podejście pozostawia ludzkość bardziej po stronie “fiction” niż “science”, w ukochanym SF. Popularne wzmianki o komputerach kwantowych i ich możliwościach zapominają bowiem o fundamentalnych ograniczeniach naszej rzeczywistości, której częścią stają się komputery kwantowe.

Takie ograniczenia można rozdzielić na dwa typy – te dotyczące teorii informacji i matematyki, oraz dotyczące fizyki stanowiącej fundament komputerów kwantowych.

Aby móc opowiedzieć o ograniczeniach pierwszego typu, należy wprowadzić pojęcie złożoności obliczeniowej. W dużym uproszczeniu, mówimy że problem o rozmiarze n ma złożoność kwadratową, jeżeli liczba elementarnych operacji (takich jak np. dodawanie) potrzebnych do jego rozwiązania jest proporcjonalna do n podniesionego do kwadratu. Przykładowo, mnożąc dwie liczby o n cyfrach każda w słupku, będziemy musieli wykonać co najmniej n² operacji. Złożoność nie musi być prostą funkcją wielomianową rozmiaru problemu, istnieją bowiem na przykład problemy o złożoności 2ⁿ, które są eksponencjalnie dłuższe w rozwiązywaniu.

Teoria informacji stanowi o następującym rozgraniczeniu problemów obliczeniowych [6]:

• problemy P – to takie problemy, które klasyczne komputery potrafią wydajnie rozwiązać (czyli w wielomianowym lub lepszym czasie). Przykładem takiego problemu jest sortowanie zbioru liczb.
• problemy NP – to takie problemy, dla których klasyczne komputery potrafią wydajnie sprawdzić, czy podane rozwiązanie jest prawdziwe. Przykładem jest rozkład na czynniki pierwsze.
• problemy NP zupełne – to takie problemy, dla których znalezienie rozwiązania oznaczałoby znalezienie rozwiązania dla każdego problemu NP.
  

Po tym przydługim wstępie o złożoności i typach problemów, możemy wskazać błąd wielu entuzjastów komputerów kwantowych – otóż ze względu na naturę informacji, udowodniono że nie potrafimy jeszcze (i wiele wskazuje, że nie będziemy potrafili), rozwiązywać wydajnie problemów NP zupełnych, niezależnie od konstrukcji komputera. Owszem, algorytmy kwantowe potrafią uprościć pewne problemy NP, ale nie wynika to z jakiejś generycznej własności problemów NP, ale z własności specyficznych problemów – przykładowo, problemu rozkładu na czynniki pierwsze, który rozwiązuje kwantowy algorytm Shore’a, przyspieszający faktoryzację z klasycznego 2ⁿ do n². Innym przykładem może być problem sortowania zbioru liczb, bardzo powszechny w informatyce – zgodnie z prawidłami matematyki dyskretnej, nie możemy porównywać liczb szybciej, niż pewne teoretyczne minimum.

Problematyczna jest także druga kategoria ograniczeń – te fizyczne. Stan kubitów zgromadzony w jednym miejscu jest podatny na liczne zakłócenia i efemeryczną naturę splątań kwantowych. Ponieważ wiele kombinacji stanów kubitów może dać w rezultacie ten sam stan całego układu, konieczne jest stosowanie technik deterministycznego ograniczania przestrzeni wyników. Te techniki nie zawsze, a nawet można powiedzieć – bardzo rzadko, są dostępne i wówczas problemy stają się tak samo trudne, jak dla komputerów klasycznych, a dodatkowo musimy poradzić sobie z narzutem związanym z prawami fizyki kwantowej.

Ponadto, istnienie sposobu rozwiązania problemów NP zupełnych przy użyciu komputerów kwantowych implikowałoby możliwość podróży w czasie [7], jednocześnie posyłając zasadę nieoznaczoności Heisenberga w nicość zfalsyfikowanych twierdzeń [8]. Gdyby z kolei istniała możliwość podróży w czasie, komputery kwantowe byłyby dokładnie tak samo użyteczne jak zwykłe.

Podsumowując, ograniczenia obciążające informatykę oraz fizykę kwantową nie tylko odbierają komputerom kwantowym prawo do niemalże magicznych zdolności, ale też ograniczają rodzaje problemów, jakie mogą pomóc rozwiązać.

Komputery kwantowe w służbie sztucznej SuperInteligencji

Teoretyczne obszary zastosowań komputerów kwantowych ciągle czają się gdzieś, nieuchwytne, w cieniu. Pomimo realnie dużego potencjału, wydaje się, że ich zastosowanie jest, przynajmniej na razie, z naszym poziomem rozumienia świata, dość mocno ograniczone. Rozważmy jednak dwa najbardziej prawdopodobne obszary, w których komputery kwantowe mogłyby przyczynić się do rozwoju AGI, a tym samym do rozwoju superinteligencji:

1. Zwiększenie mocy obliczeniowej pozwoliłoby na ulepszenie istniejących/klasycznych systemów sztucznej inteligencji.

Jednym z podstawowych zastosowań komputerów kwantowych polega na ulepszaniu i przyspieszaniu klasycznych algorytmów uczenia maszynowego. Takie podejście nazywane jest uczeniem maszynowym wspomaganym kwantowo, albo hybrydowymi obliczeniami kwantowo-klasycznymi. Wykorzystywane są tutaj podstawowe własności obliczeń kwantowych i kwantowej reprezentacji danych, które pozwalają na optymalizacje obliczeń. Poniższy diagram obrazuje działanie modeli hybrydowych.

Diagram przedstawia uproszczony model działania algorytmów kwantowo-klasycznych. Podstawą działania takich algorytmów są parametryzowane obwody kwantowe, które produkują wyniki/pomiary, które w kolejnym kroku są odczytywane i ewaluowane przez klasyczne algorytmy. Jeśli wynik pomiaru jest niezadawalający następuje aktualizacja parametrów obwodu kwantowego. [źródło]

Zastosowanie tego typu algorytmów potencjalnie usprawniłoby działanie dzisiejszych systemów sztucznej inteligencji [9], jednak nie wydaje się, żeby przybliżyło nas choćby o krok do stworzenia superinteligencji czy możliwości uploadowania umysłu do komputera – stałoby się tak tylko w przypadku, kiedy jedynym ograniczeniem na stworzenie AGI byłaby niewystarczająca moc obliczeniowa.

Możliwe jednak, iż usprawniając poszczególne moduły szczegółowe – rozszerzające konkretne funkcjonalności naszego umysłu i percepcji, ludzkie zdolności poznawcze zostaną znacznie zwiększone, co doprowadzi do powstania biologicznej superinteligencji. Czy jednak jest to rzeczywiście coś więcej, niż potrafi robić już teraz klasyczna sztuczna inteligencja?

2. Sposób działania/wnioskowania komputerów kwantowych okazałby się dobrym modelem umysłu.

Chociaż rozumowanie jest intuicyjne dla ludzi, dzisiejszym klasycznym komputerom jest go niezwykle trudno naśladować. Wykorzystujemy je w dzisiejszych czasach tylko w pewnych specyficznych przypadkach: mogą na przykład wspierać lekarzy w diagnozowaniu chorób lub finansach w zarządzaniu inwestycjami. Jednak takie modele rozumowania są wymagające: wymagają czasochłonnych obliczeń, dużej ilości danych i ostatecznie znacznej ilości energii elektrycznej. Często nie potrafią również przedstawić prostych wyjaśnień swoich odpowiedzi i zmagań, gdy zostaną zapytane, na ile są pewne swoich wyników. Dlaczego tak jest?

Rozumowanie w prawdziwym świecie jest niepewne – informacje są często niekompletne lub uszkodzone. Oznacza to wnioskowanie o wielu potencjalnych konfiguracjach nieobserwowanych zmiennych, biorąc pod uwagę dostępne informacje. W dziedzinie sztucznej inteligencji taki rodzaj rozumowania jest reprezentowany przez wnioskowanie probabilistyczne, które jest podstawowym sposobem włączania niepewności do rozumowania wspomaganego komputerowo [10].

W przeciwieństwie do klasycznych komputerów, komputery kwantowe są w naturalny sposób predysponowane do rozumowania w warunkach niepewności – scenariusza, z którym zwykle spotykamy się my, ludzie, w naszym codziennym życiu [11]. Jeśli świat ‘jest kwantowy’, to być może najlepszym narzędziem do modelowania umysłu i tworzenia ogólnej sztucznej inteligencji są właśnie procesy kwantowe, a kwantowe komputery są potencjalnie najlepszym fizycznym nośnikiem rozszerzonego super umysłu.

“At the very broadest level, if we thought of the universe as a computer, then what kind of computer is it?” Aaronson says. “Is it a classical computer? Or is it a quantum computer? [12]“

Co to dokładnie miałoby oznaczać? Może tylko tyle, że biorąc pod uwagę całą naszą niewiedzę na temat funkcjonowania mózgu, umysłu i inteligencji, przeszukanie przestrzeni rozwiązań związanej z obliczeniami kwantowymi, na pewno nie zaszkodzi.

Czy będą więc istnieć kubitowe umysły?

Odpowiedź na to pytanie jest prosta: to zależy. Technologia kwantowa jest jeszcze w powijakach i możemy na razie marzyć zarówno o jej zrozumieniu jak i skutecznym wykorzystaniu. Kwantowe obliczenia to z pewnością ‘buzzword’ dzisiejszych czasów, a ekscytacja nimi jest w dużej mierze nieuzasadniona. Jednak, wraz z rosnąca wiedzą o świecie, będzie wzrastać również nasze zrozumienie procesów kwantowych i możliwość modelowania świata na poziomie kwantowym. Być może AGI czeka właśnie na ten moment. Z perspektywy transhumanizmu, technologia kwantowa jest z pewnością obiecująca, ponieważ może przynieść znaczne usprawnienie możliwości już istniejących systemów sztucznej inteligencji, rozszerzając nasze zdolności poznawcze i wspomagając rozwiązania licznych problemów z którymi boryka się ludzkość. Jednak bez pomocy ogólnej teorii wszystkiego unifikującej zjawiska obserwowane w makro i mikro skali we wszechświecie, na zastąpieniu umysłu biologicznego umysłem kubitowym nie mamy na razie co liczyć. Może i dobrze, ponieważ zdaniem wielu naukowców byłby to pierwszy krok do zagłady ludzkości.

Zdefiniujmy maszynę ultrainteligentną jako maszynę, która przewyższa intelektualnie każdego człowieka. Skoro projektowanie maszyn jest jedną z prac umysłowych, maszyna ultrainteligentna mogłaby projektować jeszcze lepsze maszyny. Byłaby to bez wątpienia eksplozja inteligencji, która pozostawiłaby człowieka daleko w tyle. Maszyna ultrainteligentna będzie ostatnim wynalazkiem człowieka.

~ Irving J. Good

Bibliografia

• Sondej, F. (2021). Czy warto zostać postczłowiekiem? Jak nie stracić na to szansy? – Przestrzeń możliwych stanów istnienia w ujęciu Nicka Bostroma.
• Superinteligencja. https://en.wikipedia.org/wiki/Superintelligence
• Eksplozja inteligencji: https://en.wikipedia.org/wiki/Technological_singularity#Intelligence_explosion
• Biedrzycki, N. (2019). Komputery kwantowe to nasza szansa na mądrzejszą sztuczną inteligencję.
• Kulik, W. (2020). Co to jest komputer kwantowy? Oto podstawy.
• Woś, K. (2020). Komputer kwantowy: jaki wpływ będzie miał na nasze życie?
• Komputer Świat. Dlaczego rozwój komputerów kwantowych jest tak ważny? “Możemy użyć słowa rewolucja”
• Aaronson, Scott. (2005). NP-complete Problems and Physical Reality.
• University of Queensland. (2014). Simulating time travel: Doctor Who meets Professor Heisenberg.
• Chong, F. (2018). Hybrid Quantum-Classical Computing. ACM SIGARCH.
• Musse, G. (2018). Job One for Quantum Computers: Boost Artificial Intelligence. Quanta Magazine.
• Rozenkranz, M. (2021). Reasoning under uncertainty with a near-term quantum computer. Medium.
• Benedetti, Marcello & Coyle, Brian & Fiorentini, Mattia & Lubasch, Michael & Rosenkranz, Matthias. (2021). Variational inference with a quantum computer.
• Garisto, D. (2020). Light-Based Quantum Computer Exceeds Fastest Classical Supercomputers. Scientific American.